Kurz gesagt: KI findet Lackfehler, indem sie die Fahrzeugoberfläche unter festen Licht- und Kamera-Bedingungen scannt, Bildmuster prüft und jeden Defekt einem Bauteil zuordnet. So lassen sich 7 typische Fehlerarten erkennen: Kratzer, Staubeinschlüsse, Läufer, Orangenhaut, matte Stellen, Farbabweichungen und Steinschläge.

Ich würde es so auf den Punkt bringen:

  • Die Aufnahme ist der erste Schritt: feste Kameras, geregeltes Licht, klare Scanwege.
  • Die Software trennt Defekte von Störungen: also Lackfehler von Reflexionen, Schmutz oder Wassertropfen.
  • Jeder Fund wird dokumentiert: mit Position, Größe in mm und Zuordnung zum Bauteil.
  • Die Technik erkennt sehr kleine Fehler: teils ab 0,15 mm.
  • Die Trefferquote liegt unter festen Bedingungen bei über 98,5 %.
  • Am Ende entsteht kein fertiges Urteil, sondern ein digitaler Befund, den ein Sachverständiger fachlich einordnet.

Wenn du ein Auto bewerten, nach einem Unfall prüfen oder bei einer Leasingrückgabe Streit vermeiden willst, ist genau das der Punkt: gleiche Prüfkriterien, markierte Fotos und ein klarer Nachweis des Zustands.

Schnellüberblick zu den 7 Fehlerarten:

Lackfehler Woran die KI ihn erkennt Typisches Merkmal
Kratzer Linien, Brüche im Glanz, kleine Schatten längliche Spur
Staubeinschlüsse Punkt- und Formanalyse, lokale Textur kleine Erhebung oder Vertiefung
Läufer Verzug im Lichtmuster, senkrechte Verläufe Lacknase oder Ablaufspur
Orangenhaut Texturvergleich mit Referenzflächen unruhige, körnige Struktur
Matte Stellen weniger Glanz, stärkere Streuung lokaler Glanzverlust
Farbabweichungen Farbvergleich, ΔE-Wert anderer Farbton oder andere Helligkeit
Steinschläge scharfe Kanten, Farbwechsel zum Untergrund kleiner Einschlag

Unterm Strich zeigt der Beitrag, wie aus Bilddaten ein sauberer digitaler Befund wird - und warum am Ende trotz Software noch der Blick eines Sachverständigen zählt.

7 Lackfehler: Wie KI sie erkennt – Übersicht

7 Lackfehler: Wie KI sie erkennt – Übersicht

2. Wie KI Lackfehler erfasst und klassifiziert

Damit KI Lackfehler sauber einordnen kann, braucht sie standardisierte Aufnahmen. Ohne stabile Bilddaten wird aus der Auswertung schnell ein Ratespiel.

2.1 Bildaufnahme unter kontrollierten Bedingungen

Fest installierte Kameras, strukturierte Beleuchtung und klar definierte Scanpfade halten Reflexionen, Schmutz und wechselnde Lichtverhältnisse aus der Auswertung heraus. Genau darauf baut die spätere Einordnung der Lackfehler auf. Die Aufnahme muss so konstant sein, dass die sieben Defektarten später klar voneinander getrennt werden können.

Strukturiertes Licht – oft als Streifenmuster – macht selbst kleine Änderungen in Textur oder Höhe sichtbar. Wenn sich das Lichtmuster verändert, kann das auf Läufer oder Orangenhaut hindeuten. Für sehr kleine Defekte kommen zusätzlich Nahbereichskameras zum Einsatz. So lassen sich Mikrokratzer, Staubeinschlüsse und andere feine Fehler besser erfassen.

2.2 Wie Computer Vision echte Defekte von Reflexionen oder Schmutz unterscheidet

KI-Modelle prüfen Kanten, Textur, Glanzgrad und Farbkontrast in jedem erfassten Bildbereich. Das klingt technisch, ist im Kern aber einfach: Die Software sucht nach Mustern, die an derselben Stelle bleiben und klare Merkmale zeigen.

Eine Reflexion ändert sich mit dem Blickwinkel und hat keine feste Begrenzung. Ein Kratzer bleibt dagegen als Linie an derselben Stelle sichtbar. Bei Schmutz ist es ähnlich: Er kann je nach Blickwinkel anders wirken, während ein echter Lackfehler an derselben Position bleibt.

Nach der Erkennung ordnet die Software jeden Befund einem Karosserieteil zu und erfasst Position, Größe in Millimetern und Ausmaß. Bei sehr feinen Farb- und Strukturabweichungen ergänzt die Hyperspektralanalyse die Auswertung.

Auf dieser Basis erkennt die KI im nächsten Schritt die sieben Defektarten einzeln.

3. Wie KI die 7 Lackfehler einzeln erkennt

3.1 Linien- und Punktdefekte: Kratzer, Staubeinschlüsse und Steinschläge

Kratzer tauchen im Reflexionsmuster des Klarlacks als lineare Störungen auf. Die KI sucht hier nach länglichen Konturen, einem unterbrochenen Glanzverlauf und kleinen Schattenanteilen, die auch bei leicht veränderten Blickwinkeln bestehen bleiben. Genau das macht Kratzer gut von harmlosen Lichtreflexen unterscheidbar.

Staubeinschlüsse sehen anders aus. Sie erscheinen als kleine, runde Auffälligkeiten, je nach Ausprägung entweder als Erhebung oder als kraterartige Vertiefung. Oft kommen noch Mikroschatten dazu. Für diese Art von Fehler nutzt die KI lokale Texturfilter sowie Punkt- und Formanalyse.

Steinschläge haben noch ein anderes Bild. Hier gibt es einen klaren, scharfen Übergang zwischen intaktem Lack und freiliegendem Untergrund. Über Farbsegmentierung und Kantenerkennung lassen sich diese Stellen sehr genau lokalisieren.

Linien- und Punktfehler folgen also ganz anderen Mustern als flächige Strukturfehler.

3.2 Oberflächen- und Texturdefekte: Läufer und Orangenhaut

Läufer entstehen, wenn Lack zu dick aufgetragen wird und dann nach unten fließt. Strukturiertes Licht macht diese ungleichmäßige Schichtdicke sichtbar, weil sich das projizierte Muster im Bereich des Läufers verzieht. Die KI achtet dabei auf senkrechte Helligkeitsverläufe, die auf genau so einen Verlauf hindeuten. Danach markiert sie Länge und betroffene Fläche.

Bei Orangenhaut wird es etwas kniffliger. Ein gewisses Maß dieser Textur kann bei Serienfahrzeugen ab Werk normal sein. Die KI bewertet deshalb nicht einfach nur, ob Textur da ist, sondern wie stark sie von passenden Vergleichsflächen abweicht. Dazu analysiert sie das Reflexionsmuster per Texturanalyse und vergleicht betroffene Bereiche mit originalen Referenzzonen desselben Fahrzeugs. Weicht die Textur eines Kotflügels oder einer Tür klar ab, markiert das System übermäßige Orangenhaut und wertet sie als Hinweis auf eine frühere Reparatur.

Bei matten Stellen und Farbabweichungen schaut die Analyse dann weniger auf Struktur und mehr auf Glanz und Farbwert.

3.3 Oberflächenqualität: Matte Stellen und Farbabweichungen

Die letzten beiden Defekte betreffen nicht die Form der Oberfläche, sondern ihre optische Wirkung.

Matte Stellen zeigen sich als lokaler Glanzverlust. Die Spiegelreflexion ist schwächer, das Licht wird diffuser gestreut. Kalibrierte Kameraaufbauten messen dafür Intensität und Schärfe von Glanzpunkten und setzen diese Werte ins Verhältnis zum Umfeld. Fällt ein Bereich klar ab, stuft die KI ihn als matte Stelle ein. Dazu gibt sie auch die betroffene Fläche an und schätzt ein, ob Polieren reicht oder ob neu lackiert werden muss.

Farbabweichungen werden über genormte Farbwerte gemessen. Die KI vergleicht benachbarte Bauteile, zum Beispiel Tür und Kotflügel, oder gleicht Messwerte mit OEM-Referenzwerten ab. Heraus kommt ein ΔE-Wert, der die wahrgenommene Farbdistanz beziffert. So lassen sich auch Unterschiede erkennen, die erst bei wechselndem Licht sichtbar werden.

4. Wie aus den Erkennungsergebnissen ein digitales Gutachten wird

4.1 Von der Markierung zum fertigen Befund

Aus den markierten Defekten wird ein digitaler Befund. Er wird direkt so gespeichert, dass er für das Reporting nutzbar ist: Bauteil, Art, Position und Ausmaß des Defekts. Die Einordnung der sieben Lackfehler ist dabei die Basis für die spätere Bewertung im Gutachten.

So entsteht eine panelbasierte Übersicht. Sie zeigt klar, welches Bauteil betroffen ist, wie viele Fehler gefunden wurden und wie stark sie ins Gewicht fallen. Für jede Position lässt sich festhalten, ob ein Defekt eher kosmetischer Natur ist oder ob er für Reparatur und Bewertung relevant sein kann. Markierte Fotos machen den Befund zudem gut nachvollziehbar.

Die Software liefert also den Befund. Die fachliche Einordnung kommt im nächsten Schritt.

4.2 Wo menschliche Expertise weiterhin gefragt ist

KI sorgt für Tempo und gleichbleibende Ergebnisse, aber sie fällt kein letztes Urteil. Genau hier kommt der Sachverständige ins Spiel. Er prüft, ob ein Defekt fachlich relevant ist oder ob Reflexionen, Schmutz oder normale Gebrauchsspuren das Bild verzerren.

Dabei geht es oft um Details, die auf den ersten Blick ähnlich wirken, in der Praxis aber etwas anderes bedeuten. Ein Sachverständiger bewertet zum Beispiel, ob Orangenhaut, matte Stellen oder Farbabweichungen am Ende tatsächlich reparaturrelevant sind. Dazu kommen Punkte wie Vorschäden, die Nutzung des Fahrzeugs und regionale Marktwerte. Auch die Frage, wie man Schäden am Fahrzeugrahmen erkennt, spielt bei der Gesamteinschätzung eine entscheidende Rolle. Erst mit dieser fachlichen Einordnung, dem Datum und der Unterschrift wird aus dem Befund ein belastbares Gutachten.

4.3 Digitale Gutachtenworkflows mit CUBEE Sachverständigen AG

CUBEE Sachverständigen AG

Diese digitale Kette lässt sich in standardisierte Gutachtenprozesse einbinden. CUBEE Sachverständigen AG verknüpft die digitale Erfassung mit der Prüfung durch Sachverständige. Begutachtungen finden an Container-Standorten in Deutschland und Europa statt oder mobil direkt am beschädigten Fahrzeug.

5. Was KI zuverlässig erkennt – und was Fahrzeughalter davon haben

Nach der Erkennung und Markierung zeigt sich der eigentliche Nutzen im Bericht und in der Bewertung. KI erkennt sichtbare Lackfehler zuverlässig und ordnet sie nach festen Maßstäben ein. Wenn die Aufnahmen sauber gemacht wurden, erfassen die Systeme auch feine Struktur- oder Farbunterschiede. Genau dort wird die Erkennung aber etwas anfälliger.

Unter kontrollierten Bedingungen kommen Systeme auf Erkennungsraten von über 98,5 % und auf eine Nachweisgrenze von 0,15 mm.

Der große Vorteil liegt in der gleichbleibenden Bewertung: Die KI prüft jedes Fahrzeug nach denselben Kriterien. Dadurch fallen Unterschiede weg, die sonst durch Erfahrung, Zeitdruck oder Müdigkeit entstehen können. Wenn auch die Aufnahmebedingungen standardisiert sind, lassen sich die Ergebnisse besser miteinander vergleichen. Für Fahrzeughalter heißt das: klare Befunde, eindeutige Fotomarkierungen und eine offene Grundlage für Gespräche mit der Versicherung oder mit Kaufinteressenten.

Gerade in den drei häufigsten Fällen – Unfallschaden, Wertgutachten und Verkaufsvorbereitung – macht sich das direkt bemerkbar. Schadensmeldungen können zügiger bearbeitet werden, übersehene Defekte tauchen eher auf, und der Zustand des Fahrzeugs lässt sich gegenüber Interessenten sauber belegen.

An diesem Punkt ergänzt die sachverständige Prüfung die KI-Auswertung. Denn die Grenzen der KI zeigen sich dort, wo Kontext und Fachurteil zählen: bei verdeckten Vorschäden, bei früheren Reparaturen oder bei fahrzeugspezifischen Einflüssen auf den Wert. Der Sachverständige prüft genau diesen Zusammenhang, schaut auf Vorschäden und bewertet, was für die Reparatur überhaupt relevant ist.

So fließen die Befunde ohne Medienbruch in das digitale Kfz-Gutachten ein. Am Ende entsteht eine Verbindung aus Tempo und Detailgenauigkeit der digitalen Erkennung und der fachlichen Einschätzung eines Experten. Dadurch bringt der digitale Workflow Erkennung und fachliche Prüfung in einem belastbaren Gutachten zusammen.

FAQs

Wie zuverlässig ist KI bei schwierigen Lichtverhältnissen?

Die Zuverlässigkeit der KI bei der Schadenserkennung steht und fällt mit der Qualität der Bilder. Grelle Sonne, Dunkelheit, harte Schatten oder Spiegelungen können dazu führen, dass Schäden schlechter erkannt werden.

Am besten funktionieren Aufnahmen bei diffusem Tageslicht, zum Beispiel an bewölkten Tagen oder morgens und abends. Bei kniffligen Lichtverhältnissen bleibt die Erfahrung eines Sachverständigen wichtig, um die Ergebnisse der KI zu prüfen.

Kann die KI auch nachlackierte Bauteile erkennen?

Ja, KI-gestützte Systeme können nachlackierte Bauteile erkennen. Meist läuft das über Bildanalyse: Die KI prüft Fotos auf Spuren an der Oberfläche, etwa Unregelmäßigkeiten, Farbabweichungen oder feine Hinweise auf frühere Schäden.

Für eine genauere Prüfung der Lackschicht kommen dann Messverfahren ins Spiel. Dabei wird die Schichtdicke mit dem gleichmäßigen Werkslack verglichen. Liegen die Werte außerhalb des üblichen Bereichs von etwa 50 bis 90 Mikrometern oder weichen sie klar vom Rest des Fahrzeugs ab, kann das auf Nachlackierungen oder Spachtelarbeiten hindeuten.

Wann braucht es trotz KI noch einen Sachverständigen?

Trotz KI bleibt ein Sachverständiger bei kniffligen Fällen wichtig. Er ordnet mehrdeutige oder kombinierte Schadensbilder ein, trennt normalen Verschleiß von echten Schäden und bezieht rechtliche Besonderheiten mit ein.

Für die Anerkennung vor Gericht gilt zudem: Liegt der Schaden über 750,00 €, braucht es einen zertifizierten Sachverständigen. Bei der CUBEE Sachverständigen AG prüfen Experten die Ergebnisse der KI und machen daraus rechtssichere, präzise Gutachten.

Verwandte Blogbeiträge